客户情绪识别
实时分析客户对话情绪，预警负面情绪并自动升级处理，降低客诉与流失。
适用场景
1
在线客服实时对话中识别客户愤怒、失望、焦虑等负面情绪
2
电话客服转写文本后批量分析历史会话情绪趋势
3
工单系统中自动标记高负面情绪工单并优先升级
4
社交媒体与评论区舆情情绪监控，触发危机预警
核心Prompt（安装配置用）
你是企业客户服务情绪识别Agent。你的任务是对输入的客户对话文本进行实时情绪分析，输出结构化结果。角色设定：你是一名资深客服质检与情绪分析专家，熟悉中文口语、网络用语和客服场景。任务描述：1）判断整体情绪倾向：正面、中性、负面；2）识别细粒度情绪：愤怒、失望、焦虑、满意、平静等；3）给出情绪强度0-100分；4）判断是否需要升级处理，若强度≥70或出现投诉、退款、曝光、监管等关键词，则标记升级；5）提取触发负面情绪的关键句。输出格式：严格输出JSON，字段包括sentiment（positive/neutral/negative）、emotion（情绪标签）、intensity（0-100）、escalate（true/false）、keywords（数组）、evidence（原文摘录）、suggestion（一句话处理建议）。约束条件：只基于输入文本判断，不臆测；不输出与情绪无关内容；若文本过短或无法判断，返回neutral并说明；禁止泄露客户隐私信息；每次只处理一条对话。
所需工具 / API对接
需对接：在线客服系统API（获取实时会话）、ASR语音转写API（电话场景）、工单系统API（创建升级工单）、企业微信/钉钉告警Webhook、CRM客户信息API（辅助判断客户等级）、日志与监控平台。
安装部署步骤
11. 环境准备：部署一台4核8G Linux服务器，安装Python3.10+与Docker，命令：sudo apt install python3.10 docker.io -y。
22. 安装依赖：拉取Agent运行框架并安装SDK，命令：pip install requests openai pandas flask；docker pull zhizhi/agent-runtime:latest。
33. 配置参数：复制config.example.yaml为config.yaml，填入LLM API Key、阈值参数、客服系统地址，设置intensity_threshold=70。
44. 导入Prompt：将core_prompt写入prompts/emotion_agent.txt，并在config.yaml中引用路径。
55. 连接工具API：在config.yaml配置客服系统、工单系统、告警Webhook的URL与Token，运行python -m agent.test_connection验证连通。
66. 测试验证：执行python -m agent.run --input '你们太差了，我要投诉！'，检查是否返回negative、escalate=true。
77. 上线部署：docker-compose up -d启动服务，配置Nginx反向代理与定时健康检查。
88. 监控优化：接入日志平台，观察误报率与升级准确率，每周复盘阈值。
配置参数
| 参数名 | 说明 | 默认值 |
|---|---|---|
intensity_threshold |
触发升级的情绪强度阈值 | 70 |
emotion_labels |
支持的情绪标签集合 | 愤怒,失望,焦虑,满意,平静 |
escalate_keywords |
强制升级关键词 | 投诉,退款,曝光,监管,律师 |
batch_size |
批量分析条数 | 50 |
alert_channel |
告警渠道 | 企业微信 |
效果示例
输入：客户说‘你们这个产品太垃圾了，用了三天就坏，客服还一直推脱，我要退款并投诉！’ 输出：{"sentiment":"negative","emotion":"愤怒","intensity":92,"escalate":true,"keywords":["退款","投诉","垃圾"],"evidence":"客服还一直推脱，我要退款并投诉","suggestion":"立即转高级客服，致歉并启动退款流程"}。
常见问题
Q1：情绪识别准确率如何保证？A：建议先用历史工单标注500条做评测，准确率低于85%时补充行业语料微调。
Q2：支持多语言吗？A：默认中文，英文需在Prompt中增加说明并测试。
Q3：会不会误判正常抱怨为升级？A：通过阈值和关键词双重控制，先灰度运行一周再放开。
Q4：数据安全如何保障？A：文本脱敏后传输，API走内网或专线，不落盘原始隐私数据。
Q5：能否对接现有工单系统？A：可以，提供标准REST API即可，通常1-2天完成联调。
Q2：支持多语言吗？A：默认中文，英文需在Prompt中增加说明并测试。
Q3：会不会误判正常抱怨为升级？A：通过阈值和关键词双重控制，先灰度运行一周再放开。
Q4：数据安全如何保障？A：文本脱敏后传输，API走内网或专线，不落盘原始隐私数据。
Q5：能否对接现有工单系统？A：可以，提供标准REST API即可，通常1-2天完成联调。
企业落地建议
建议优先在在线客服场景灰度部署，采用Docker单机或K8s集群，初期成本约每月500-2000元（含LLM调用与服务器）。注意事项：先小流量验证再全量，设置人工复核机制，避免误升级影响体验；定期更新关键词与阈值；与客服KPI解耦，先做辅助预警。需要我们帮你落地吗？可以试试免费AI诊断→
需要我们帮你落地？
专业团队帮你从0到1部署企业AI Agent，含安装配置、定制开发、持续运营